feat: add yolox algo

yolo26-deep-main/custom-train.py

@@ -0,0 +1,36 @@
+import argparse
+from ultralytics import YOLO
+
+parser = argparse.ArgumentParser(description="YOLO26 岩性分类训练")
+parser.add_argument("--data", default="custom_dataset", help="数据集路径")
+parser.add_argument("--model", default="yolo26n-cls.pt", help="预训练权重路径")
+parser.add_argument("--epochs", type=int, default=40, help="训练轮数")
+parser.add_argument("--imgsz", type=int, default=224, help="输入图片尺寸")
+parser.add_argument("--batch", type=int, default=32, help="批次大小")
+parser.add_argument("--lr0", type=float, default=0.001, help="初始学习率")
+parser.add_argument("--device", default="cuda", help="训练设备")
+parser.add_argument("--patience", type=int, default=10, help="早停耐心值")
+parser.add_argument("--workers", type=int, default=0, help="数据加载线程数")
+parser.add_argument("--cos-lr", action="store_true", default=True, help="使用余弦学习率")
+parser.add_argument("--label-smoothing", type=float, default=0.15, help="标签平滑")
+parser.add_argument("--plots", action="store_true", help="绘制训练曲线")
+args = parser.parse_args()
+
+model = YOLO(args.model)
+
+model.train(
+    data=args.data,
+    epochs=args.epochs,
+    imgsz=args.imgsz,
+    batch=args.batch,
+    lr0=args.lr0,
+    patience=args.patience,
+    cos_lr=args.cos_lr,
+    augment=True,
+    label_smoothing=args.label_smoothing,
+    workers=args.workers,
+    task="classify",
+    device=args.device,
+    plots=args.plots,
+    exist_ok=True,
+)